1.一种基于可穿戴设备的脑瘫患者康复运动信息监测方法，其特征在于，所述方法包括以下步骤：获取手表的心率数据和加速度数据；根据所述心率数据的分布特征获取不同的运动状态；

根据所述心率数据对应的所述加速度数据的种类特征获得加速度相似度；根据所述运动状态中所述加速度相似度的差异特征获得心率离群点和心率正常点；根据所述心率离群点的时序特征获得对应的加速度数据的第一加速度离散点和加速度连续点；

根据所述加速度连续点对应的加速度相似度的差异特征获得加速度跨区点和第二加速度离散点；根据所述加速度跨区点确定对应的运动状态；根据所述第一加速度离散点和第二加速度离散点获得加速度异常点；

根据所述运动状态中所述加速度异常点和心率正常点对应的加速度数据的分布特征进行加速度数据的压缩；

所述根据所述运动状态中所述加速度相似度的差异特征获得心率离群点和心率正常点的步骤包括：计算所述运动状态中所有加速度相似度的平均值，获得相似度均值；计算所述运动状态中加速度相似度的标准差与预设常数的乘积，获得相似度标准差；计算任意心率数据点的加速度相似度和所述相似度均值的差值绝对值，获得相似度差异；计算所述相似度差异与所述相似度标准差的差值，获得离散判断系数；

当所述离散判断系数超过预设离散阈值时，所述任意心率数据点为心率离群点；否则为心率正常点；

所述根据所述心率离群点的时序特征获得对应的加速度数据的第一加速度离散点和加速度连续点的步骤包括：将所述心率离群点按照时间特征从小到大进行排序，将序列中时间特征不连续的心率离群点对应的加速度数据作为第一加速度离散点，将序列中时间特征连续的心率离群点对应的加速度数据作为加速度连续点；

根据所述加速度连续点对应的加速度相似度的差异特征获得加速度跨区点和第二加速度离散点包括：计算任意时段加速度连续点对应的加速度相似度与任意其他运动状态的心率正常点的加速度相似度的平均值，获得跨区相似度均值，计算任意时段加速度连续点对应的加速度相似度与任意其他运动状态的心率正常点的加速度相似度的标准差，获得跨区标准差，计算所述跨区标准差与预设常数的乘积，获得跨区相似度标准差；计算任意时段加速度连续点中的任意加速度连续点对应的加速度相似度与所述跨区相似度均值的差值绝对值，获得跨区相似度差异，计算所述跨区相似度差异与所述跨区相似度标准差的差值，获得跨区离散判断系数；当所述跨区离散判断系数超过所述预设离散阈值时，所述任意加速度连续点为第二加速度离散点；否则为加速度跨区点。

2.根据权利要求1所述的一种基于可穿戴设备的脑瘫患者康复运动信息监测方法，其特征在于，所述根据所述心率数据的分布特征获取不同的运动状态的步骤包括：计算用户最大心率与预设第一数值的乘积，获得最小运动心率；计算用户最大心率与预设第二数值的乘积，获得最大运动心率；将零至所述最小运动心率作为正常运动状态；将所述最小运动心率至所述最大运动心率作为中等运动状态；将所述最大运动心率至预设最大心率作为剧烈运动状态。

3.根据权利要求2所述的一种基于可穿戴设备的脑瘫患者康复运动信息监测方法，其特征在于，所述用户最大心率的获取步骤包括：计算预设心率数值与用户的年龄的差值，获得所述用户最大心率。

4.根据权利要求1所述的一种基于可穿戴设备的脑瘫患者康复运动信息监测方法，其特征在于，所述加速度数据的种类特征包括正常运动时的正常特征、中等运动时的中等特征以及剧烈运动时的剧烈特征，所述根据所述心率数据对应的所述加速度数据的种类特征获得加速度相似度的步骤包括：根据任意心率数据点对应的所述加速度数据中不同种类的概率计算信息熵并负相关映射，获得所述任意心率数据点的加速度相似度。

5.根据权利要求1所述的一种基于可穿戴设备的脑瘫患者康复运动信息监测方法，其特征在于，所述预设离散阈值为0。

6.根据权利要求1所述的一种基于可穿戴设备的脑瘫患者康复运动信息监测方法，其特征在于，所述根据所述加速度跨区点确定对应的运动状态的步骤包括：判断所述加速度跨区点与任意其他运动状态获得的所述跨区离散判断系数的最小值，所述加速度跨区点属于所述跨区离散判断系数的最小值对应的任意其他运动状态，将所述加速度跨区点移至所述任意其他运动状态。

7.根据权利要求1所述的一种基于可穿戴设备的脑瘫患者康复运动信息监测方法，其特征在于，所述根据所述运动状态中所述加速度异常点和心率正常点对应的加速度数据的分布特征进行加速度数据的压缩的步骤包括：在所述运动状态中以每段心率正常点对应的加速度数据的加速度均值作为游程编码的重复数据进行压缩，将所述加速度异常点对应的加速度数据通过ASCII编码算法进行压缩。